Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
d2l-zh
提交
b2cf89fe
D
d2l-zh
项目概览
OpenDocCN
/
d2l-zh
通知
2
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
D
d2l-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
b2cf89fe
编写于
6月 15, 2018
作者:
A
Aston Zhang
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
wd
上级
fbe5dba5
变更
2
隐藏空白更改
内联
并排
Showing
2 changed file
with
6 addition
and
6 deletion
+6
-6
chapter_supervised-learning/reg-gluon.md
chapter_supervised-learning/reg-gluon.md
+3
-3
chapter_supervised-learning/reg-scratch.md
chapter_supervised-learning/reg-scratch.md
+3
-3
未找到文件。
chapter_supervised-learning/reg-gluon.md
浏览文件 @
b2cf89fe
#
正则化
——使用Gluon
#
权重衰减
——使用Gluon
本节将介绍如何使用Gluon实现上一节介绍的
正则化
。导入实验所需的包或模块。
本节将介绍如何使用Gluon实现上一节介绍的
权重衰减
。导入实验所需的包或模块。
```
{.python .input n=1}
import sys
...
...
@@ -83,7 +83,7 @@ fit_and_plot(5)
## 小结
*
使用Gluon的
`wd`
超参数可以使用
正则化
来应对过拟合问题。
*
使用Gluon的
`wd`
超参数可以使用
权重衰减
来应对过拟合问题。
*
我们可以定义多个Trainer实例对不同的模型参数使用不同的迭代方法。
## 练习
...
...
chapter_supervised-learning/reg-scratch.md
浏览文件 @
b2cf89fe
#
正则化
——从零开始
#
权重衰减
——从零开始
上一节中我们观察了过拟合现象,即模型的训练误差远小于它在测试数据集上的误差。本节将介绍应对过拟合问题的常用方法:
正则化
。
上一节中我们观察了过拟合现象,即模型的训练误差远小于它在测试数据集上的误差。本节将介绍应对过拟合问题的常用方法:
权重衰减
。
## $L_2$范数正则化
...
...
@@ -131,7 +131,7 @@ fit_and_plot(lambd=5)
## 小结
*
我们可以使用
正则化
来应对过拟合问题。
*
我们可以使用
权重衰减
来应对过拟合问题。
*
$L_2$范数正则化通常会使学到的权重参数的元素较接近0。
*
$L_2$范数正则化也叫权重衰减。
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录